雷锋网消息，FAIR（Facebook 人工智能实验室）上周发表了一篇论文，提出一项针对聚类和相似性搜索的新算法设计。新架构比此前最先进的算法更快更高效，并使用 GPU 来获得更高的内存带宽和计算吞吐量。
基于此项研究，FAIR 近日在 Github 开源了一个名为 FAISS 的库，相关文档已陆续完成上传，并于昨日更新了安装文件。能进行聚类和相似性搜索的算法已有不少，FAISS 对它们进行了优化，以便更高效地在 GPU 上运行。FAISS 整合的部分算法有：
Fast K-Nearest Neighbour
QuickSelect
Warpselect
K-Means clustering
FAIR 表示，FAISS 有五大特性：
使用 C++ 编写，有完整的 Python/numpy 封装。
支持单个、多 GPU。
优异的可扩展性，通常情况下能支持最多 100 个维度。
基于 BLAS 和 CUDA。
比当前最先进的库速度提高 8.5 倍。